凸优化概念

本文于此网站转载摘抄: http://blog.sina.com.cn/s/blog_4b12446d01014iod.html
凸优化(Convex <wbr>optimization)
        最小二乘问题和线性规划问题都可以看成是凸优化问题的特殊情况,但是与 最小二乘问题和线性规划问题两者不同,求解凸优化问题还不能算是一门成熟的技术。通常没有解析公式来求解凸优化问题,但是存在一些有效的算法,最典型的代表是 内点算法。如果一个实际的问题可以被表示成凸优化问题,那么我们就可以认为其能够得到很好的解决。但是往往识别一个凸优化问题比识别一个最小二乘问题要困难的多,所以需要更多的技巧。还有有的问题不是凸优化问题,但是凸优化问题同样可以在求解该问题中发挥重要的作用。比如松弛算法和拉格朗日松弛算法,将非凸的限制条件松弛为凸限制条件。
        凸优化包含多个层次,比如:二次优化问题是一个最底层的优化问题,可以通过求解 线性方程来求解优化问题。而牛顿算法是上一个层次,牛顿算法可以求解 非限制问题或等式限制问题,但往往是将该问题简化为多个二次优化问题。内点算法处于最高级,可以将 非等式限制问题转化为一系列 非限制问题或等式限制问题。
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值